我应该用哪种统计技术来进行一次人内重复测量的研究？

Question

我已经收集了我所有的研究数据，需要进行我的分析，但是失败了(我应该事先计划得更好)。

我想看看人格特征(5个特征变量值从0到5)是否可以预测某人是否会在工作中给予反馈(离散的结果，是/否)，以及他们会提供什么样的反馈(利克特

参与者在时间上完成了一项调查，其中一项调查反映了他们的个性，然后被邀请完成另外四次每周调查(每星期五一次，连续四个星期)。这些调查收集了他们在那一周给出的反馈数据。

所以，我有我的自变量(人格)，我试图预测我的重复测量结果变量(反馈)。

我还有参与者在多大程度上实际上是一个主持人变量，与反馈数据一起收集的(也包括重复的测量值，从0到100)。这里的研究问题是工作虚拟是否会影响外倾(五个特质变量之一)参与者给出反馈的方式，因此将是一个独立的模型。

我要做什么分析？

我的直觉是，它应该是一个固定的效应模型，看人格是否预测(非时变变量)反馈结果(时变变量)，以及检验虚拟工作(时变)对外向(非时变)的调节效应的随机效应、多级模型。

所有分析将在R.

Answer 1

你的本能是正确的，你可能需要使用一个固定的效应模型来检验人格特质和反馈结果之间的关系，以及一个多层次的模型来检验虚拟工作对外向性的调节效果。

对于固定效应模型，您可以使用logistic回归来预测某人是否会在工作中提供反馈，而顺序回归则可以预测他们将提供的反馈类型(正或负)。你可以在模型中包括这五个人格特征作为预测因子。

对于多级模型，可以使用线性混合效应模型来检验虚拟工作对外倾的调节效应。您可以包括虚拟工作作为时变预测器和外倾作为非时变预测器。你也可以包括随机拦截和每个参与者的斜坡，以说明重复的测量设计。

您可以使用R中的lme4包来运行多级模型。您还可以使用可视化技术来检查生成的数据的分布，并使用度量来评估模型的性能。如果生成的分布不令人满意，您可以调整超参数，或者使用高级技术(如对抗性培训)来提高模型的性能。